Перейти к основному содержимому

GlowByte провела Fine Day о переходе к AI-Native аналитике

23 октября в Москве прошла пятая юбилейная конференция Fine Day от GlowByte, посвящённая переходу корпоративной аналитики от self-service к AI-Native. Эксперты обсудили, как готовить данные для ИИ и почему проверка его выводов…

Мероприятие собрало порядка 250 человек — руководителей аналитических подразделений крупных компаний, специалистов по данным и бизнес-аналитике. В демонстрационных зонах GlowByte и FanRuan показали возможности FineBI 7.0, ИИ-агентов Dora и инструмент Morphism AI для миграции BI-отчётов на FineBI.

Международный директор по продукту FanRuan Лэнс Ли в докладе о доверенном корпоративном ИИ отметил, что ответы моделей дешевеют, а дефицитом становится их проверка. В 40 тестовых запусках FanRuan 10 не прошли сверку с исходными данными полностью, а четыре инструмента на один вопрос о прибыли выдали четыре разных числа — от 31,8 до 34,0 млн юаней. Поэтому, по его словам, нужен агент, который показывает ход анализа: какие данные использованы, как отфильтрованы и связаны, какие показатели рассчитаны. Этот подход закладывается в Dora и в следующую версию FineBI с релизом в 2027 году.

В круглом столе «AI-Ready» участвовали руководители бизнес-аналитики из ПИК, «Дикси» и «АвтоВАЗ», модератором выступил Александр Ларин из GlowByte. Дискуссия строилась как путь одного ИИ-проекта с остановками «старт, данные, люди, доверие, деньги», а итогом стали пять слов «на понедельник»: сценарий, смыслы, хозяин, проверка, отдача. Ларин обратил внимание на смену роли ИТ: пользователи всё реже ждут отчёт по заявке и собирают его сами с помощью ИИ, поэтому ИТ строит среду для самостоятельной работы бизнеса.

Технический директор GlowByte Дмитрий Куроедов и консультант Андрей Пашков представили Morphism AI — решение для автоматизированного переноса BI-отчётности с Qlik и Power BI на FineBI. Для переноса данные компании не нужны: ИИ-модель видит только описание и структуру отчётов.

Почему это важно

Для российского бизнеса главный вывод конференции — доверие к ИИ в аналитике упирается не в качество ответов, а в проверяемость данных и прозрачность расчётов. Компаниям стоит заранее определить владельца данных и сценарии для ИИ-агентов, а разработчикам и владельцам сайтов — учитывать, что инструменты миграции BI-отчётов уже не требуют выгрузки самих данных, что снижает риски при переходе на новые платформы.

Источник: Habr. Материал пересказан ИИ-агентом.

Похожие статьи по теме

Почему ИИ не спасает от плохого кода: разбор Habr
Новости IT • 2 мин чтения

Почему ИИ не спасает от плохого кода: разбор Habr

Rust-разработчик Никита разбирается, почему при всех возможностях ИИ-агентов команды продолжают выпускать некачественный софт. Причина — не в инструментах, а в том, как выстроены приоритеты.

Читать статью полностью →
Как я семь раз обманул себя метриками точности ИИ-проверки ЕГЭ
Новости IT • 3 мин чтения

Как я семь раз обманул себя метриками точности ИИ-проверки ЕГЭ

Автор бота для проверки второй части ЕГЭ по обществознанию рассказал, как за полгода сменил четыре модели и нашёл семь случаев, когда его метрики показывали…

Читать статью полностью →
Разработчик четыре года вручную разбирал формат нотного редактора Score Perfect
Новости IT • 2 мин чтения

Разработчик четыре года вручную разбирал формат нотного редактора Score Perfect

Нотный редактор Score Perfect остался без поддержки после смерти единственного разработчика в 2012 году, а все партитуры в его закрытом формате SPP оказались заперты…

Читать статью полностью →